https://www.lnonl.com
生成式人工智能:从ChatGPT到Sora——构建通用世界模拟器(上)
1. 正确 判断 Transformer模型能够统一表达、对齐、融合与转换各种模态。
2. 错误 判断 Sora可完成对世界范围内全人类多模态数据的自监督学习,但ChatGPT不能实现。
3. C 单选 Sora实现了文本指令理解与视频生成,但核心是对可观察世界的( )。
A 复制
B 创造
C 学习模拟
D 控制
4. D 单选 目前的主流大型语言模型(LLM)几乎都是基于( )构建的生成式模型。
A 图卷积神经网络GCN
B 循环神经网络RNN
C 卷积神经网络CNN
D 注意力神经网络Transformer
5. ABC 多选 根据使用解码器和编码器的不同方式,大语言模型包括( )。
A 生成式大模型
B 判别式大模型
C 前缀/编码器-解码器式大模型
D 序列式大模型
生成式人工智能:从ChatGPT到Sora——构建通用世界模拟器(中)
1. 正确 判断 Sora可以对图像、视频进行文本指令级别的后期编辑与制作。
2. 错误 判断 生成式语言及世界模型出现模拟偏差是可以避免的。
3. D 单选 数据智能新物种能够在( )上表达、理解、生成文本/图像/视频/语音等多模态对齐实体及其关系。
A “意识”
B “思想”
C “字面”
D “语义”
4. A 单选 大型语言模型可以理解零样本提示,利用( ),在指令下问题可以被自动分解为多个子问题。
A GPT-3.5-turbo
B GPT4
C GPTs
D Sora
5. BD 多选 新物种封装和压缩了人类的一般性知识,包括分布在Transformer框架低层和中层的语言学知识,如词法、词性、句法等浅层知识,以及存储在( )结构中的抽象的语义类世界知识。
A 低层
B 中层
C 半层
D 高层
生成式人工智能:从ChatGPT到Sora——构建通用世界模拟器(下)
1. 正确 判断 利用AI模型,输入提示文本,可以实现由AI来自动生成建筑设计方案及细节。
2. 正确 判断 人工智能未来发展的重点是基于深度强化学习的交互能力。
3. C 单选 装上“耳朵”的ChatGPT,可以赋能产线与自动化工程等自然人机交互场景,实现( )与交互。
A 远程控制
B 触摸控制
C 语音控制
D 视线控制
4. ABCD 多选 通用人工智能(AGI)的迭代演化路径包括( )。
A 单模态文本大型语言模型
B 多模态大型语言模型
C 多模态具身智能
D 多模态交互式通用人工智能
5. 正确 判断 装上“手脚”的ChatGPT,可以赋能人形机器人等的落地与产业化,最终走入千行百业,进入千家万户。
本文链接:https://www.lnonl.com/post/1160.html